导航：首页 > 互联网科技 >

matlab中神经网络的通用函数有哪些

发表于：2024-09-26 作者：千家信息网编辑

千家信息网最后更新 2024年09月26日，小编给大家分享一下matlab中神经网络的通用函数有哪些，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！神经网络的通用函数一、神经网络仿真函数[Y,Pf,Af,E,Perf]=sim(

千家信息网最后更新 2024年09月26日matlab中神经网络的通用函数有哪些

小编给大家分享一下matlab中神经网络的通用函数有哪些，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！

神经网络的通用函数

一、神经网络仿真函数

[Y,Pf,Af,E,Perf]=sim(net,P,Pi,Ai,T)

其中，参数Y为网络的输出；Pf表示最终的输入延时状态；Af表示最终的层延时状态；E为实际输出与目标向量之间的误差；perf为网络的性能值；net为要测试要的网络对象；P为网络的输入向量矩阵；Pi为初始的输入状态延时状态（可省略）；Ai为初始的层延时状态（可省略）；T为目标向量（可省略）。

二、神经网络训练函数

1.train函数

[net,tr,Y,E,Pf,Af] = train(net,P,T,Pi,Ai)

输出参数net为训练后的网络；tr为训练记录；Y为网络输出向量；E为误差向量；Pf为训练终止时的输入延迟状态；Af为训练终止时的层延时状态。输入参数net为训练前的网络；P为网络的输入向量矩阵；T表示网络的目标矩阵，默认值为0；Pi表示初始输入延时，默认值为0；Ai表示初始的层延时，默认值为0。

网络训练函数是一种通用的学习函数，训练函数重复地把一组输入向量应用到一个网络上，每次都更新网络，知道达到了某种准则，停止准则可能是达到最大的学习步数、最小的误差梯度或误差目标等。

2.trainb函数

用于对神经网络权值和阈值进行训练，函数的调用格式如下：

net.trainFcn = 'trainb'

该函数不能被直接调用，而是通过函数train隐含调用，train通过设置网络属性net.trainFcn为trainb来调用trainb对网络进行训练。

p=[0 1 2 3 4 5];

t=[0 0 0 1 1 1];

net = feedforwardnet(3,'trainb');

net = train(net,p,t);

y=net(p)

3.adapt函数

[net,Y,E,Pf,Af] = adapt(net,P,T,Pi,Ai)

输入参数net为待自适应的神经网络；P为网络输入；T为网络目标，默认值为0；Pi为初始输入延迟，默认值为0；Ai为初始层延迟，默认值为0；输出net参数为自适应后的神经网络，Y为网络输出；E为网络误差；Pf为最终输入延迟；Af为最终层延迟。

p=[-1 0 1 0 1 1 -1 0 -1 1 0 1];

t=[-1 -1 1 1 1 2 0 -1 -1 0 1 1];

net=linearlayer([0 1],0.1);

% 创建一个线性层，输入范围为[-1 1]，学习率为0.1

[net,t,e,pf]=adapt(net,p,t);

mse(e)

三、神经网络学习函数

1.learnp函数

[dW,LS]=learnp(W,P,Z,N,A,T,E,gW,gA,D,LP,LS)

参数dW为权值变化矩阵；LS为当前学习状态；W为SxR的权值矩阵（可省略）；P为RxQ的输入向量矩阵；Z为SxQ的输入层的权值矩阵（可省略）；N为SxQ的网络输入矩阵（可省略）；E为误差矩阵（E=T-Y）；T表示网络的目标向量（可省略）；A表示网络的实际输出向量（可省略）；gW为SxR的与性能相关的权值梯度矩阵（可省略）；gA为SxQ的与性能相关的输出梯度值矩阵（可省略）；D为SxS的神经元距离矩阵（可省略）；LP为学习参数（可省略）；LS学习函数声明（可省略）。

利用learnp函数学习一个感知器网络，使其完成'或'功能

2.learn函数

该函数也是一个权值和阈值学习函数，但它在输入向量和复制变化非常大或存在奇异值时，其虚席速度比learnp块很多。